TED2009
Hans Rosling: Insights on HIV, in stunning data visuals
Hans Rosling o HIV: nowe fakty i zdumiewające wizualizacje danych.
Filmed:
Readability: 3.9
1,174,291 views
Hans Rosling, prezentuje nowe wizualizacje danych, by wyjaśnić zawiłości przyczyn jednej z najniebezpieczniejszych (i najmniej rozumianych) chorób: HIV. Dowodzi, że zapobieganie zakażeniom, a nie leczenie, to klucz do zakończenia epidemii.
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
Double-click the English transcript below to play the video.
00:12
(Applause)
0
0
5000
(Brawa)
00:18
AIDS was discovered 1981; the virus, 1983.
1
6000
5000
AIDS odkryto w 1981, a wirusa w 1983.
00:23
These Gapminder bubbles show you
2
11000
2000
Diagramy pęcherzykowe z Gapmindera pokażą,
00:25
how the spread of the virus was in 1983 in the world,
3
13000
4000
gdzie występował wirus w roku 1983,
00:29
or how we estimate that it was.
4
17000
2000
przynajmniej szacunkowo.
00:31
What we are showing here is --
5
19000
2000
Na tej osi widzimy
00:33
on this axis here, I'm showing percent of infected adults.
6
21000
7000
procent dorosłych chorych.
00:40
And on this axis, I'm showing dollars per person in income.
7
28000
5000
Na tej osi: dochód w dolarach na osobę.
00:45
And the size of these bubbles, the size of the bubbles here,
8
33000
4000
Rozmiary pęcherzyków pokazują,
00:49
that shows how many are infected in each country,
9
37000
3000
ilu chorych przypada na kraj,
00:52
and the color is the continent.
10
40000
2000
zaś kolor - na kontynent.
00:54
Now, you can see United States, in 1983,
11
42000
2000
W USA w 1983r
00:56
had a very low percentage infected,
12
44000
3000
widzimy procentowo mało zachorowań,
00:59
but due to the big population, still a sizable bubble.
13
47000
4000
ale przez dużą populację, pęcherzyk jest spory.
01:03
There were quite many people infected in the United States.
14
51000
3000
W USA było sporo chorych.
01:06
And, up there, you see Uganda.
15
54000
2000
Tutaj widać Ugandę.
01:08
They had almost five percent infected,
16
56000
3000
Niemal 5% zachorowań
01:11
and quite a big bubble in spite of being a small country, then.
17
59000
3000
i spory pęcherzyk, jak na tak mały kraj.
01:14
And they were probably the most infected country in the world.
18
62000
5000
Chyba najwięcej zachorowań na świecie.
01:19
Now, what has happened?
19
67000
2000
Co się stało?
01:21
Now you have understood the graph
20
69000
2000
Rozumiecie już diagram,
01:23
and now, in the next 60 seconds,
21
71000
3000
więc przez następne 60 sekund
01:26
we will play the HIV epidemic in the world.
22
74000
3000
odtworzymy światową epidemię HIV.
01:29
But first, I have a new invention here.
23
77000
3000
Mam tu nowy wynalazek.
01:34
(Laughter)
24
82000
3000
(Śmiech)
01:39
I have solidified the beam of the laser pointer.
25
87000
4000
Zamroziłem wiązkę wskaźnika laserowego.
01:43
(Laughter)
26
91000
3000
(Śmiech)
01:46
(Applause)
27
94000
3000
(Brawa)
01:52
So, ready, steady, go!
28
100000
4000
Do biegu, gotowi, start!
01:56
First, we have the fast rise in Uganda and Zimbabwe.
29
104000
4000
Szybki wzrost w Ugandzie i Zimbabwe.
02:00
They went upwards like this.
30
108000
2000
Szybki wzrost w Ugandzie i Zimbabwe.
02:02
In Asia, the first country to be heavily infected was Thailand --
31
110000
4000
W Azji, pierwszy zainfekowany kraj to Tajlandia.
02:06
they reached one to two percent.
32
114000
2000
Osiągnęli 1 - 2%.
02:08
Then, Uganda started to turn back,
33
116000
2000
Uganda zaczyna spadać,
02:10
whereas Zimbabwe skyrocketed,
34
118000
2000
a Zimbabwe wzbija się w górę.
02:12
and some years later South Africa had a terrible rise of HIV frequency.
35
120000
4000
Dramatycznie rośnie liczba chorych w RPA.
02:16
Look, India got many infected,
36
124000
2000
Dużo chorych w Indiach,
02:18
but had a low level.
37
126000
2000
ale procentowo mało.
02:20
And almost the same happens here.
38
128000
2000
Tu niemal to samo.
02:22
See, Uganda coming down, Zimbabwe coming down,
39
130000
3000
Uganda spada, Zimbabwe spada,
02:25
Russia went to one percent.
40
133000
2000
Rosja rośnie do 1%.
02:27
In the last two to three years,
41
135000
3000
Przez ostatnie dwa, trzy lata
02:30
we have reached a steady state of HIV epidemic in the world.
42
138000
4000
światowa epidemia HIV stanęła w miejscu.
02:34
25 years it took.
43
142000
3000
Zajęło to 25 lat.
02:37
But, steady state doesn't mean that things are getting better,
44
145000
3000
Stały poziom nie oznacza jednak poprawy,
02:40
it's just that they have stopped getting worse.
45
148000
3000
a tylko brak pogorszenia.
02:43
And it has -- the steady state is, more or less,
46
151000
4000
Średnia zachorowań na HIV
02:47
one percent of the adult world population is HIV-infected.
47
155000
4000
w skali światowej wynosi 1%.
02:51
It means 30 to 40 million people,
48
159000
3000
Czyli 30 do 40 milionów ludzi,
02:54
the whole of California -- every person,
49
162000
2000
cała Kalifornia, co do nogi,
02:56
that's more or less what we have today in the world.
50
164000
2000
tak mają się sprawy dzisiaj.
02:58
Now, let me make a fast replay of Botswana.
51
166000
5000
Zróbmy teraz replay Botswany.
03:03
Botswana -- upper middle-income country in southern Africa,
52
171000
4000
To średnio zamożny kraj na południu Afryki,
03:07
democratic government, good economy,
53
175000
3000
demokratyczny rząd, dobra gospodarka,
03:10
and this is what happened there.
54
178000
2000
i oto, co się dzieje.
03:12
They started low, they skyrocketed,
55
180000
2000
Zaczęli nisko, wystrzelili w górę,
03:14
they peaked up there in 2003,
56
182000
3000
osiągnęli szczyt w 2003 r.,
03:17
and now they are down.
57
185000
2000
a teraz spadają.
03:19
But they are falling only slowly,
58
187000
2000
Jednak spadają powoli,
03:21
because in Botswana, with good economy and governance,
59
189000
2000
bo dzięki dobrym rządom i gospodarce
03:23
they can manage to treat people.
60
191000
3000
mogą sobie pozwolić na leczenie.
03:26
And if people who are infected are treated, they don't die of AIDS.
61
194000
3000
Leczeni chorzy nie umierają na AIDS.
03:29
These percentages won't come down
62
197000
3000
Wskaźniki procentowe nie spadną,
03:32
because people can survive 10 to 20 years.
63
200000
2000
bo chorzy mogą przeżyć 10 - 20 lat.
03:34
So there's some problem with these metrics now.
64
202000
3000
Dlatego mamy problem z pomiarami.
03:37
But the poorer countries in Africa, the low-income countries down here,
65
205000
4000
W biedniejszych krajach, o niższych dochodach,
03:41
there the rates fall faster, of the percentage infected,
66
209000
6000
wskaźniki liczby chorych spadają szybciej,
03:47
because people still die.
67
215000
2000
bo ludzie nadal umierają.
03:49
In spite of PEPFAR, the generous PEPFAR,
68
217000
3000
Pomimo hojności PEPFAR,
03:52
all people are not reached by treatment,
69
220000
3000
nie do wszystkich docierają leki,
03:55
and of those who are reached by treatment in the poor countries,
70
223000
2000
a nawet jeśli dotrą, to w biednych krajach
03:57
only 60 percent are left on treatment after two years.
71
225000
3000
tylko 60% chorych leczy się dłużej niż dwa lata.
04:00
It's not realistic with lifelong treatment
72
228000
4000
Dożywotnie leczenie jest nierealistyczne
04:04
for everyone in the poorest countries.
73
232000
2000
w najbiedniejszych krajach.
04:06
But it's very good that what is done is being done.
74
234000
3000
Dobrze, że robi się chociaż to, co teraz.
04:09
But focus now is back on prevention.
75
237000
4000
Wrócił nacisk na zapobieganie.
04:13
It is only by stopping the transmission
76
241000
3000
Tylko powstrzymując infekcje
04:16
that the world will be able to deal with it.
77
244000
3000
damy sobie radę.
04:19
Drugs is too costly -- had we had the vaccine,
78
247000
2000
Leki kosztują zbyt dużo.
04:21
or when we will get the vaccine, that's something more effective --
79
249000
3000
Gdybyśmy mieli szczepionkę, to co innego,
04:24
but the drugs are very costly for the poor.
80
252000
2000
ale leki są za drogie dla ubogich.
04:26
Not the drug in itself, but the treatment
81
254000
2000
Nawet nie same leki, a leczenie
04:28
and the care which is needed around it.
82
256000
2000
i potrzebna wraz z nim opieka.
04:32
So, when we look at the pattern,
83
260000
3000
Przyglądając się schematowi,
04:35
one thing comes out very clearly:
84
263000
2000
jedno widać wyraźnie:
04:37
you see the blue bubbles
85
265000
2000
niebieskie pęcherzyki.
04:39
and people say HIV is very high in Africa.
86
267000
2000
Powiecie: Afryka choruje na HIV najwięcej.
04:41
I would say, HIV is very different in Africa.
87
269000
3000
Ja powiem: Afryka choruje na HIV inaczej.
04:44
You'll find the highest HIV rate in the world
88
272000
4000
Najwyższe wskaźniki HIV na świecie
04:48
in African countries,
89
276000
2000
znajdziemy w krajach afrykańskich,
04:50
and yet you'll find Senegal, down here --
90
278000
2000
a jednak Senegal
04:52
the same rate as United States.
91
280000
2000
ma taki sam wskaźnik jak USA.
04:54
And you'll find Madagascar,
92
282000
2000
Także wskaźniki Madagaskaru
04:56
and you'll find a lot of African countries
93
284000
2000
i wielu innych państw Afryki
04:58
about as low as the rest of the world.
94
286000
3000
są równie niskie, co poza Afryką.
05:01
It's this terrible simplification that there's one Africa
95
289000
4000
Afryka nie jest jednorodna; to okropne uproszczenie.
05:05
and things go on in one way in Africa.
96
293000
2000
Afryka nie jest jednorodna; to okropne uproszczenie.
05:07
We have to stop that.
97
295000
2000
Musimy z tym skończyć.
05:09
It's not respectful, and it's not very clever
98
297000
3000
Takie podejście jest pozbawione szacunku
05:12
to think that way.
99
300000
2000
i niezbyt mądre.
05:14
(Applause)
100
302000
4000
(Brawa)
05:18
I had the fortune to live and work for a time in the United States.
101
306000
3000
Przez jakiś czas mieszkałem i pracowałem w USA.
05:21
I found out that Salt Lake City and San Francisco were different.
102
309000
4000
Odkryłem, że Salt Lake City i San Francisco bardzo się różnią.
05:25
(Laughter)
103
313000
2000
(Śmiech)
05:27
And so it is in Africa -- it's a lot of difference.
104
315000
3000
Podobnie w Afryce: różnic jest wiele.
05:30
So, why is it so high? Is it war?
105
318000
2000
Skąd tyle zachorowań? Przez wojnę?
05:32
No, it's not. Look here.
106
320000
2000
Nie. Spójrzcie tutaj.
05:34
War-torn Congo is down there -- two, three, four percent.
107
322000
3000
W rozdartym wojną Kongu ledwie 2% – 4%.
05:37
And this is peaceful Zambia, neighboring country -- 15 percent.
108
325000
4000
A po sąsiedzku, spokojna Zambia: 15%.
05:41
And there's good studies of the refugees coming out of Congo --
109
329000
3000
Mamy solidne dane o uchodźcach z Konga.
05:44
they have two, three percent infected,
110
332000
2000
Zarażonych jest 2% do 3%,
05:46
and peaceful Zambia -- much higher.
111
334000
2000
a w Zambii, bez wojny, dużo więcej.
05:48
There are now studies clearly showing
112
336000
2000
Nowe badania wykazują,
05:50
that the wars are terrible, that rapes are terrible,
113
338000
3000
że wojny i gwałty, mimo całej grozy,
05:53
but this is not the driving force for the high levels in Africa.
114
341000
3000
nie stoją za wzrostem zachorowań.
05:56
So, is it poverty?
115
344000
2000
Zatem co? Bieda?
05:58
Well if you look at the macro level,
116
346000
2000
Okazuje się, że w makro skali,
06:00
it seems more money, more HIV.
117
348000
2000
im więcej pieniędzy, tym więcej HIV.
06:02
But that's very simplistic,
118
350000
3000
To uproszczenie,
06:05
so let's go down and look at Tanzania.
119
353000
2000
więc przyjrzyjmy się Tanzanii.
06:07
I will split Tanzania in five income groups,
120
355000
4000
Podzielę Tanzanię na 5 grup dochodowych,
06:11
from the highest income to the lowest income,
121
359000
2000
od najwyższego dochodu do najniższego.
06:13
and here we go.
122
361000
2000
od najwyższego dochodu do najniższego.
06:15
The ones with the highest income, the better off -- I wouldn't say rich --
123
363000
3000
Najlepiej zarabiający, zamożni ale nie bogaci,
06:18
they have higher HIV.
124
366000
2000
najczęściej mają HIV.
06:20
The difference goes from 11 percent down to four percent,
125
368000
3000
Różnica sięga od 11% do 4%,
06:23
and it is even bigger among women.
126
371000
2000
a w przypadku kobiet nawet więcej.
06:25
There's a lot of things that we thought, that now, good research,
127
373000
4000
Mieliśmy wiele hipotez, ale wspólne wyniki analiz
06:29
done by African institutions and researchers
128
377000
3000
afrykańskich instytutów i badaczy z całego świata
06:32
together with the international researchers, show that that's not the case.
129
380000
3000
pokazują, że nie mieliśmy racji.
06:35
So, this is the difference within Tanzania.
130
383000
2000
Tak wyglądają różnice w Tanzanii.
06:37
And, I can't avoid showing Kenya.
131
385000
2000
A teraz spójrzmy na Kenię.
06:39
Look here at Kenya.
132
387000
2000
A teraz spójrzmy na Kenię.
06:41
I've split Kenya in its provinces.
133
389000
2000
Podzieliłem Kenię na prowincje.
06:43
Here it goes.
134
391000
2000
O tak.
06:45
See the difference within one African country --
135
393000
3000
Zauważcie różnice w obrębie jednego kraju:
06:48
it goes from very low level to very high level,
136
396000
3000
mamy i najniższy poziom, i najwyższy.
06:51
and most of the provinces in Kenya is quite modest.
137
399000
3000
Dla większości prowincji skromny.
06:54
So, what is it then?
138
402000
2000
O co chodzi?
06:56
Why do we see this extremely high levels in some countries?
139
404000
4000
Skąd takie ekstrema?
07:00
Well, it is more common with multiple partners,
140
408000
3000
Chodzi o częstą zmianę partnerów,
07:03
there is less condom use,
141
411000
3000
rzadkie używanie prezerwatyw,
07:06
and there is age-disparate sex --
142
414000
3000
i rozrzut wiekowy partnerów,
07:09
that is, older men tend to have sex with younger women.
143
417000
3000
czyli starsi partnerzy i młode partnerki.
07:12
We see higher rates in younger women than younger men
144
420000
3000
Młode kobiety chorują częściej niż młodzi mężczyźni
07:15
in many of these highly affected countries.
145
423000
2000
w wielu wysoce zainfekowanych krajach.
07:17
But where are they situated?
146
425000
2000
Które to kraje?
07:19
I will swap the bubbles to a map.
147
427000
2000
Przeniosę pęcherzyki na mapę.
07:21
Look, the highly infected are four percent of all population
148
429000
4000
Z 4% światowej populacji nosicieli HIV
07:25
and they hold 50 percent of the HIV-infected.
149
433000
3000
połowa znajduje się w tym rejonie.
07:28
HIV exists all over the world.
150
436000
3000
HIV występuje na całym świecie.
07:31
Look, you have bubbles all over the world here.
151
439000
2000
Pęcherzyki widać na całej mapie.
07:33
Brazil has many HIV-infected.
152
441000
3000
W Brazylii jest wiele zachorowań.
07:36
Arab countries not so much, but Iran is quite high.
153
444000
3000
W krajach arabskich niewiele, ale w Iranie sporo.
07:39
They have heroin addiction and also prostitution in Iran.
154
447000
4000
W Iranie mają narkomanię i prostytucję.
07:43
India has many because they are many.
155
451000
2000
W Indiach wiele, bo jest ich dużo.
07:45
Southeast Asia, and so on.
156
453000
2000
W południowo-wschodniej Azji, itd.
07:47
But, there is one part of Africa --
157
455000
2000
W tej części Afryki,
07:49
and the difficult thing is, at the same time,
158
457000
2000
choć to trudne, musimy z jednej strony
07:51
not to make a uniform statement about Africa,
159
459000
4000
nie wrzucać Afryki do jednego worka
07:55
not to come to simple ideas of why it is like this, on one hand.
160
463000
4000
i nie spłycać przyczyn problemów,
07:59
On the other hand, try to say that this is not the case,
161
467000
3000
ale z drugiej strony przyznać,
08:02
because there is a scientific consensus about this pattern now.
162
470000
4000
że ten schemat został naukowo udowodniony.
08:06
UNAIDS have done good data available, finally,
163
474000
3000
UNAIDS dostarczyło solidnych danych
08:09
about the spread of HIV.
164
477000
3000
o zasięgu HIV.
08:12
It could be concurrency.
165
480000
3000
Może to duża ilość partnerów.
08:15
It could be some virus types.
166
483000
3000
Może odmiany wirusa.
08:18
It could be that there is other things
167
486000
4000
Może jeszcze inne czynniki
08:22
which makes transmission occur in a higher frequency.
168
490000
3000
ułatwiające przenoszenie choroby.
08:25
After all, if you are completely healthy and you have heterosexual sex,
169
493000
3000
Dla zupełnie zdrowej pary heteroseksualnej
08:28
the risk of infection in one intercourse is one in 1,000.
170
496000
5000
ryzyko infekcji przy jednym stosunku wynosi 1 do 1000.
08:33
Don't jump to conclusions now on how to
171
501000
2000
Nie wyciągajcie tylko pochopnych wniosków
08:35
behave tonight and so on.
172
503000
2000
i bądźcie grzeczni wieczorem.
08:37
(Laughter)
173
505000
2000
(Śmiech)
08:39
But -- and if you are in an unfavorable situation,
174
507000
3000
W niekorzystnych warunkach,
08:42
more sexually transmitted diseases, it can be one in 100.
175
510000
3000
przy wielu chorobach wenerycznych - 1 do 100.
08:45
But what we think is that it could be concurrency.
176
513000
3000
Przypuszczamy, że chodzi o związki równoległe.
08:48
And what is concurrency?
177
516000
2000
Co to są związki równoległe?
08:50
In Sweden, we have no concurrency.
178
518000
2000
W Szwecji nie mamy związków równoległych.
08:52
We have serial monogamy.
179
520000
2000
Mamy seryjną monogamię.
08:54
Vodka, New Year's Eve -- new partner for the spring.
180
522000
2000
Wódka, Sylwester, nowa partnerka na wiosnę.
08:56
Vodka, Midsummer's Eve -- new partner for the fall.
181
524000
2000
Wódka, noc świętojańska, nowy partner na jesień.
08:58
Vodka -- and it goes on like this, you know?
182
526000
2000
Wódka... i tak dalej.
09:00
And you collect a big number of exes.
183
528000
3000
Można zebrać pokaźną kolekcję "byłych".
09:03
And we have a terrible chlamydia epidemic --
184
531000
2000
Mamy okropną epidemię chlamydiozy,
09:05
terrible chlamydia epidemic which sticks around for many years.
185
533000
4000
która utrzymuje się od wielu lat.
09:09
HIV has a peak three to six weeks after infection
186
537000
3000
HIV osiąga szczyt w 3 - 6 tygodni po zakażeniu.
09:12
and therefore, having more than one partner in the same month
187
540000
3000
Współżycie z wieloma partnerami w miesiącu
09:15
is much more dangerous for HIV than others.
188
543000
3000
zwiększa ryzyko HIV bardziej, niż innych chorób.
09:18
Probably, it's a combination of this.
189
546000
2000
Pewnie chodzi o wiele czynników naraz.
09:20
And what makes me so happy is that we are moving now
190
548000
3000
Cieszę się, że rozpatrując problem obecnie
09:23
towards fact when we look at this.
191
551000
2000
opieramy się na faktach.
09:25
You can get this chart, free.
192
553000
2000
Ten diagram można obejrzeć za darmo.
09:27
We have uploaded UNAIDS data on the Gapminder site.
193
555000
3000
Wrzuciliśmy dane z UNAIDS na Gapminder.org.
09:30
And we hope that when we act on global problems in the future
194
558000
4000
Rozwiązując kolejne globalne problemy
09:34
we will not only have the heart,
195
562000
3000
posłużmy się nie tylko sercem,
09:37
we will not only have the money,
196
565000
2000
i nie tylko pieniędzmi,
09:39
but we will also use the brain.
197
567000
3000
ale także głową.
09:42
Thank you very much.
198
570000
2000
Dziękuję bardzo.
09:44
(Applause)
199
572000
6000
(Brawa)
ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionaryIn Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.
Why you should listen
Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.
What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.
Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.
Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)
Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.
Hans Rosling passed away in February 2017. He is greatly missed.
Hans Rosling | Speaker | TED.com